Canny算子在织物疵点检测中的应用.docxVIP

第 25 卷第 4 期北京服装学院学报V ol. 25 N o.42005 年 12 月Journal of Beijing Institute of Clot hing T echnologyDec. 2005Canny 算子在织物疵点检测中的应用姜 玲, 韩润萍* , 袁 晔, 郑有增北京服装学院工业设计与信息工程学院, 北京 100029)要: 在分析斜纹织物纹理结构规律性的基础上, 运用 Canny 算子对织物疵点图像进行了边缘 检测, 获得了织物疵点二值图像, 再由灰度统计的方法生成投影图, 获取织物图像的特征波形, 并通过阈值过滤, 将疵点定位, 从而正确检测织物疵点. 在 Visual C+ + 6 0 环境下编程并调用 M atlab6 5 图像处理函数实现了本算法.关键词: 织物疵点; 边缘检测; Canny 算子中图分类号: T P391 41文献标识码: A文章编号: 1001- 0564( 2005) 04- 0057- 07织物疵点的检测是纺织品质量控制和管理的主要环节之一, 长期以来, 均采用人工视觉完 成. 这种传统的检测方法存在劳动强度大、检测速度低、易受人为因素影响、误检率和漏检率 高、数据处理不便等缺点. 为了克服这些缺点, 国内外许多学者都致力于计算机图像识别技术 在织物疵点自动检测中的应用研究, 并已形成了一些方法, 主要有像素灰度统计法、纹理结构 模型法、形态处理法、图像变换滤波法等, 这些方法的主要特点是:灰度统计法. 直接对织物图像像素灰度值进行统计, 求取统计特征量, 根据这些特征 量找出疵点. 此方法简单易行, 检测速度比较快, 但对图像的质量要求较高, 易受噪声的影响.纹理结构模型法. 通过提取正常纹理中少量特征参数, 建立相应的纹理模型, 通过分 析待检测图像找到异常信息来断定疵点是否存在. 这种方法比较容易从整体上检测出有无疵 点, 但是难于精确地进行疵点分类.形态处理法. 先找出正常织物图像像素灰度值的阈值, 用此阈值处理被检测的织物图 像, 得到二值图像, 对二值图像进行腐蚀膨胀的形态处理. 这种方法的不足是噪声和织物结构 中的灰度不均匀性对检测结果造成的影响较大, 使误检率增大.图像变换滤波法. 通过图像变换或滤波法改善图像质量或对图像进行处理, 增强疵点 与正常纹理像素的对比度, 然后提取特征参数, 判别疵点. 这类方法有傅里叶变换、小波变换、 滤波法等, 是近年来发展最为迅速的方法, 目前已成为研究此类问题的一个方向.由于织物疵点具有种类的多样性和形态的复杂性等特点, 使得这项研究还有待于开发出 简单易行的高效算法. 本文综合考虑上述各类方法的优缺点, 结合织物自身的纹理结构特点, 提出了一种基于边缘提取的灰度直方统计的方法, 该方法主要有 2 部分: 织物图像边缘检测和 疵点定位检测.收稿日期: 2005- 06- 07 作者简介: 姜玲( 1976- ) , 女, 2003 级硕士研究生.* 通讯联系人电话: 010- 6428828058北京服装学院学报( 自然科学版)2005 年织物图像边缘检测1 纹理特征纹理是许多图像区域表现出来的重要特征之一. 图像中反复出现的局部模式和它们的规 则排列形成了图像的纹理, 此局部模式就是纹理的基元. 纹理模型是把纹理看作若干纹理基 元根据某种空间排列规则的组合. 纹理分析的通常做法是先从纹理图像中提取出一些辨识力 比较强的特征量, 然后再利用这些特征量对纹理图像进行分割、分类或辨识等处理.正常织物表面存在有规则的经纬向纹理, 纹理结构基元简单, 排列规律清晰可见, 而织物 疵点破坏了这种规则纹理, 且大多数疵点呈现无规则排列.1 2边缘检测边缘是指周围像素灰度有阶跃变化或屋脊状变化的那些像素的集合. 边缘广泛存在于物 体与背景之间、物体与物体之间、基元与基元之间, 它是图像分割所依赖的重要特征. 边缘信 息便于比较和提取特征量, 更适合于检测和定位图像中的物理位置.为了对某一边缘检测方法的有效性做出评价, John Canny 提出了边缘提取的 3 个最优准 则: 1) 不漏检真实存在的边缘点, 也不把非边缘点作为边缘点检出, 使得输出的信噪比最大; 2) 检测到的边缘点的位置距实际边缘点的位置最近, 使得输出的图像定位精度高; 3) 每一个实际 存在的边缘点和检测到的边缘点是一一对应关系, 也就是单边缘响应准则.在织物疵点检测的实际过程中, 获取的织物图像会带入大量的噪声, 基于以上准则, 选择 传统的边缘提取算法, 还不能满足要求. Canny 算子正是满足以上准则的一种优化边缘检测 算子.1 2 1Canny 算子边缘提取Canny 给出的最优边缘检测器的形状与高斯函数的一阶导数类似. 利用二维高斯函数的